基于模式識別方法的葡萄酒質量預測研究——分類與聚類算法的結合應用.pdf

1、隨著社會的快速發(fā)展和人民生活水平的日益提高，人們的飲食越來越豐富，相應的人們的飲用酒品種也越來越豐富，曾經一度被當作奢侈品來看待的葡萄酒，現在也越來越多的被平常老百姓接受，而且也越來越多被廣泛的消費者喜愛。在中國加入世貿組織(WTO)后，葡萄酒在中國人日常飲酒中占的比重也越來越大，現在不僅僅在國外，在中國，葡萄酒的市場越來越壯大,人們對葡萄酒的需求量也越來越大，各大葡萄酒廠商越來越重視中國市場，尤其是比較知名的葡萄酒品牌在中國的市場占有

2、率也越來越高，為了支持其發(fā)展，整個葡萄酒行業(yè)都非常重視在釀酒和銷售過程中投資研發(fā)新技術。而且葡萄酒認證和質量評估尤其是這方面的關鍵要素。葡萄酒的認證可以防止非法摻假葡萄酒（這主要是保障人體健康），并且可以保證葡萄酒市場的健康有序發(fā)展。
　　葡萄酒質量評價往往是認證過程的很重要的一部分，它可以用來改善釀酒工藝（尋找并確定影響力最大的因素），并且對葡萄酒品質分級別，如優(yōu)質品牌的葡萄酒（用于制定價格）。葡萄酒質量認證一般使用物理，化學和

3、感官測試評估。經常用來描述葡萄酒的物理化學實驗測試包括密度，酒精或pH值的測定，而感官測試主要依賴于專家的感官評測，如專業(yè)的品酒師等。這里應當強調的是，依賴于人的感官去評測帶有很多主觀性和不準確性，因此，葡萄酒分級是一項艱巨的任務。
　　隨著計算機信息技術的進步，人們現在已經可以收集，存儲和處理大量的，甚至是高度復雜的數據集。所有這些數據所持有的有價值的信息，如趨勢和模式，它可以用來改善決策和優(yōu)化成功的機會。
　　本文從葡萄

4、酒的生產過程入手，嘗試討論如何在生產過程中對葡萄酒質量進行分析和預測,由于葡萄酒的生產工藝相對比較復雜，影響質量的因素比較多，這是一個很典型的多特征分析方法，提出可以使用模式識別的方法來解決這個問題。
　　自20世紀60年代以來，模式識別的理論與方法研究及在工程中的實際應用取得了很大的進展。模式識別一般學習過程分為監(jiān)督和非監(jiān)督類型兩種。監(jiān)督學習過程也就是說已經提供了一組訓練數據（訓練集）。在這個學習的過程，生成一個模型，試圖滿足兩

5、個有時相互沖突的目標：盡可能好地執(zhí)行訓練數據，并歸納概況新的數據。無監(jiān)督學習，沒有預先提供訓練數據，并試圖找出固有的模式，然后可以使用這種模式對新的數據實例進行識別分類。本文提出可以使用這兩種模式識別的方法來分析和預測葡萄酒的質量，并且通過實驗證明模式識別的有效性。
　　本文實驗采用米尼奧大學(University of Minho，Guimar)提供的Wine Quality數據作為實驗數據,分別研究KNN算法以及使用KNN結合